要約
ニューラルタスク指向対話システムは、しばしば知識ベースとの滑らかなインターフェースを確立することが困難です。本研究では、この問題に対処するために、新しいニューラル対話エージェントを提案します。このエージェントは、新たなキー-バリュー検索メカニズムを通じて、基礎となる知識に基づいた多領域の対話を効果的に維持することができます。モデルはエンドツーエンドで微分可能であり、対話状態や信念追跡器を明示的にモデリングする必要がありません。また、車載パーソナルアシスタント空間における3つの異なるタスク（カレンダースケジューリング、気象情報取得、興味地点ナビゲーション）にわたる3,031件の対話データセットも公開しています。当社のアーキテクチャはすべてのドメインからのデータに対して同時に訓練され、自動評価指標と人間評価指標の両面で競合するルールベースシステムや他の既存のニューラル対話アーキテクチャよりも大幅に優れた性能を発揮しました。